EP1. Learning 

Elena Pasquinelli 

Educa3on, cogni3on, cerveau Cogmaster 2010‐2011 

Op3miza3on of educa3on 

•  “Considera3ons on the op3miza3on of educa3onal strategies should take into account knowledge on brain development and learning mechanisms that has been accumulated by neurobiological research over the past decades.” (Singer, in BaKro, Fischer & Léna, 2008, p. 97) 

BIOLOGICAL DEFINITION OF LEARNING RELATIONSHIP BETWEEN LEARNING, EVOLUTION, DEVELOPMENT 

Defini3on of learning 

•  “any learning, i.e. the modificaFon of computaFonal programs and of stored knowledge, must occur through las$ng changes in their func$onal architecture.” (Singer, 2008, p. 98) 

•  Learning = modifica3on of stored knowledge and of computa3onal programs 

•  Which takes place through the modifica3on of the brain func3onal architecture 

•  Learning = long‐las3ng change in the func3onal architecture of the brain 

Defini3on of knowledge 

•  « there is no dichotomy between hard‐ and soXware in the brain. The way in which brains operate is fully determined by the integra3ve proper3es of the individual nerve cells and the way in which they are interconnected. It is the func3onal architecture, the blueprint of connec3ons and their respec3ve weight, that determines how brains perceive, decide, and act.  

•  … all the knowledge that a brain possesses reside in its func3onal architecture. » (Singer, 2008, p. 98) 

•  Knowledge is the product of biological processes, which determine or modify the func3onal architecture of the brain 

•  Learning is one of these processes 

Modifica3on of the brain’s func3onal architecture: 3 processes  

•  3 different processes are responsible of the specifica3on/modifica3on of the brain’s func3onal architecture (and thus, to knowledge acquisi3on): 

“Such changes can be obtained  by altering the integraFve properFes of individual neurons,  by changing the anatomical connecFvity paPerns,  and by modifying the efficacy of excitatory and/or inhibitory connecFons. …”(Singer, 2008, p. 98) 

“Evolu3on,  Ontogene3c development, And learning.” (Singer, 2008, p. 98) 

a. Learning and evolu3on •  “The architectures of the brain have evolved according 

to the same principles of trial, error and selec3on as all the other components of organisms. …Through this process of selec3on, informa3on about useful computa3onal opera3ons was implemented in the brain architectures and stored in the genes. Every 3me an organism develops, this informa3on is transmiKed from the genes through a complicated developmental process into specific brain architectures which the translate this knowledge into well adapted behavior.” (Singer, 2008, p. 98‐99) 

•  “… computa3onal strategies, as for example the learning mechanisms that associates temporally conFngent signals, have remained virtually unchanged throughout evolu3on.” (Singer, 2008, p. 99) 

•  “Thus, an  enormous amount of informaFon is stored in the funcFonal architecture of highly evolved brains, and one of the sources of this informaFon is evoluFonary selecFon.” 

•  “Inborn knowledge defines how we perceive and interpret sensory signals, evaluate regulari3es and derive rules, associate signals with one another and iden3fy causal rela3ons, aKach emo3onal connota3ons to sensory signals, and finally how we reason.” (Singer, 2008, p. 99) 

1  Evolu3on has selected both learning mechanisms and knowledge contents: –  Ex.: “Fire together, wire 

together”: les neurones qui sont ac3fs en même temps tendent à créer des connexions (appren3ssage associa3f) 

–  Ex. How humans interpret sensory signals 

2  The brain stores knowledge even before making experiences: it’s not a tabula rasa. –  EducaFon cannot be 

considered as the task of filling a hollow box 

b. Learning and development 

•  Neural circuits are formed and selected during the development of the brain (from birth to the end of puberty)  –  Development includes 3me window, or 

expects certain s3muli at specific periods of the life of the animal in order to implementcertain func3ons 

•  Development and learning cross their paths, but aXer puberty neural circuits and the structural architecture of the brain are (apparently) mi‐ostly stabilized 

•  Adult learning: Func3onal modifica3ons (strenght of the connec3ons) are the main mechanisms for the modifica3on of the func3onal architecture of the brain 

•  “… this process of circuit forma3on and selec3on according to func3onal criteria persists un3l the end of puberty – but it occurs within precisely 3med windows that differ for different structures.” 

•  “Once the respec3ve developmental windows close, neurons stop forming new connec3ons and exis3ng connec3ons cannot be removed.” 

•  “The only way to induce further modifica3ons in the now cristallized architecture is to change the efficacy of the exisFng connecFons. » These func3onal modifica3ons are assumed to be the basis of adult learning and aXer puberty are constrained by the the invariant anatomical architectures.” (Singer, 2008, p. 101)  

The role of experience 

•  “The drama3c effects that deprivaFon has on the matura3on of brain architectures raise the ques3on why nature has implemented developmental mechanisms that expose the maturing brain to the hazards of sensory experience.  

•  Through epigene3c shaping of the brain’s func3onal architecture the organisms can adapt their neuronal architectures to the environment in which they happen to be born, and this economizes greatly the computa3onal resources that have to be invested in order to cope with the specific challenges of the respec3ve environments.” (Singer, 2008, p. 102‐103) 

•  In addic3on to gene3c mechanisms, the brain is modified by experience –  At the level of epigenesis and 

development –  At the level of learning 

•  Contraints to what can be learnt:  –  Certain mechanisms protect the brain 

from adap3g‐ng to any new informa3on coming from the environment 

•  The brain at birth is s3ll immature: neurons are in place, basic distant connec3ons between neurons are formed, but not the most part of the neurons of the cortex 

•  During development connec3ons are formed and tested “fire together‐wire together”: those connec3ons, which have a high probability of being ac3vated simultaneously are consolidated, those which have a low probability are discarded.  

•  AXer birth, this networking ac3vity is influenced by individual experience of the  environment and sensory signals 

c. Learning (adult) = func3onal modifica3ons of brain’s func3onal architecture 

•  “… adult learning relies on changes in the efficacy of excitatory and/or inhibitory connec3ons. The mechanisms that mediate these learning‐induced changes in the coupling strength among neurons closely resemble those which mediate the ac3vity dependent circuit changes during experience‐dependent development. 

•  The only major difference is that in the adult, weakening of  connec3ons is not followed by removal and that no new connec3ons are formed.” (Singer, 2008, p. 108) 

•  Learning does not modify the architecture of the brain at a structural level (mostly):  

•  it produces func3onal modifica3ons that affect the strength of the connec3ons between neurons (synapses) = 

•  Func3onal plas3city 

–  The defini3on raises the issue of the defini3on of plas3city, and the rela3onship between plas3city and learning 

CAN HUMANS LEARN ALL LIFE LONG? ‐ THE PROBLEM OF CRITICAL PERIODS ‐ THE ROLE OF EXPERIENCE ‐ THE FORMS OF PLASTICITY 

Cri3cal (sensi3ve) periods for learning 

•  “Several brain researchers have hypothesized that humans’ brains are preprogrammed to learn certain kinds of knowledge during a limited window of 3me known as cri3cal period.  

•  But the latest brain science is beginning to ques3on this simplis3c developmental no3on. For example, new brain research shows that the 3ming of cri3cal periods differ significantly in the visual, auditory and language systems. Even within different systems, there is emerging evidence that the brain is much more plas3c that herefore assumed…” (Bransford, et al, in Sawyer, 2009, p. 21) 

•  Cri3cal periods = 3me‐window opportuni3es 

•  Development of vision –  Hubel & Wiesel, 1970: monocular 

depriva3on reduces the number of cells responding to the ac3vity of the deprived eye 

–   monocular depriva3on has different effects at different ages 

•  Development of language 

The myth of the first three years •  “ Neuroscien3sts now understand that cri3cal 

periods and synaptogenesis/synap3c pruning are related. Neural systems, par3cularly highly acute  systems like vision, have evolved to depend on the presence of ubiquitous environmental s3muli to fine‐tune their neural circuitry.  

•  Neuroscien3sts also know that that there are different cri3cal periods for specific func3ons. … For example, within the visual system, there are different cri3cal periods for ocular dominance, visual acuity, binocular func3on, and stereopsis.  … The human language func3on also seems to have several cri3cal periods … In contrast to phonology and syntax there is no cri3cal period for learning the lexicon.  

•  … they now tend to interpret cri3cal periods in terms of subtle, possibly gradual, changes in  brain plas3city – changes in the brain’s ability to be shaped and changed by experience that occurs during the life3me of the animal.” (Bruer, 1997, p. 8) 

•  The no3on of cri3cal periods has been domina3ng the world of educa3on and has given birth to myth of the first three years 

•  Bruer, 1997 describes this myth as a typical case of bad transla3on from neuroscien3fic data to educa3onal applica3ons 

•  Bruer, 1997 cri3cizes the  iden3fica3on of learning with  synaptogenesis: –  Different systems have different sensi3ve 

periods, in the sense that they do not develop at the same rate (including within the visual system) 

–  Human cri3cal periods are not necessarily the same as animals 

–  The brain is more plasFc than accorded before 

–  Learning cannot be reduced to synaptogenesis 

 general rule for neuroeduca3on •  “ In reviewing this work, readers outside the field 

should be aware of its complexity  and the methodological issues involved.” (Bruer, 1997, p. 6) 

•  “Whatever the 3me course of synaptogenesis in humans, if it has relevance for child development and educa3on, we must be able to associate this neurodevelopmental change with changes in infants’ behavior and cogni3ve capaci3es  …These exemples are all significant developmental milestones that no doubt depend on brain development. We do know that these milestones are correlated with synaptogenesis (at least in the visual cortex)… Educators should note two things however. First in all these examples, increases in synap3c density are correlated with the ini3al emergence of skills and capaci3es. These skills  and capaci3es con3nue to improve aXer synap3c densi3es begin to regress to adult, mature levels. … Thus the most we can say is that synaptogenesis may be necessary for the emergence of these abili3es and behaviors, but it cannot account en3rely for their con3nued refinement.  ” (Bruer, 1997, p. 6) 

•  Bruer has used the myth of the first three years for showing that neuroscience is s3ll a bridge too far from educa3on, and can give rise to neuromyths and misapplica3ons 

•  i.e. Generaliza3on of considera3ons that are extracted from –  Animal experiments –  Data on specific func3ons 

•  i.e. Genraliza3on of  brain facts into behavioral phenomena –  E.g. in the case of synaptogenesis, cri3cal periods and 

leanring 

•  Nonetheless, –  Neuroscience does not reduce learning to 

synaptogenensis and synap3c selec3on, … 

From cri3cal periods to different forms of plas3city 

•  The brain is interested by experience in two ways: as an expecta3on or as a dependent variable for modifica3on 

•   Those of  Experience‐expectant and of Experience‐dependent modifica3ons are an alterna3ve to the concepts of cri3cal or sensi3ve period 

•  The two no3ons point to different neural mechanisms of plas3city (advantage in comparison to the no3on of cri3cal period) 

•  “ informa3on storage refers to incorpora3on of environmental informa3on that is ubiquitous in the environment and common to all species members, such as the basic elements of paKern percep3on. Experience expectant processes appear to have evolved as a neural prepara3on for incorporing specific informa3on: in many sensory systems, synap3c connec3ons between nerve cells are overproduced, and a subsequent selec3on process occurs in which aspects of sensory experience determine the paKern of connec3ons that remains.  

•  Experience‐dependent informa3on storage refers to incorpora3on of environmental informa3on that is idiosyncra3c, or unique to the individual, such as learning about one’s specific physical environment or vocabulary. The neural basis of experience‐dependent processes appear to involve ac3ve forma3on of new synap3c connec3ons in response to the events providing the informa3on to be stored.  

•  Although these processes probably do not occur en3rely independently of one another in development, the categories offer a new view more in accord with neural mechanisms than were terms like “cri3cal” or “sensi3ve period”. (Greenough, Black & Wallace, 1987) 

•  Experience‐expectant plas3city:  –  Selected by evolu3on –  Concerns sensory motor func3ons –  Allows to fine‐tune the sensory motor systems in 

rela3onship to the environment 

–  Through the selec3on of synapses that have been generated in excess 

–  Defines the s3muli that should be found in the environment for the func3on to develop in a certain way  

–  Experiences are very general and concern s3muli, which are normally present in the environment 

•  Experience‐dependent plas3city: –  Does not depend on mechanisms that have been selected 

by evolu3on according to a precise 3ming 

–  Evolu3on has selected a capacity to learn from experience in general 

–  Through the genera3on of synapses, and the modifica3on of the strength of the synapses 

•  “We propose that mammalian brain development relies upon two different categories of plas3city for the storage of environmentally origina3ng informa3on.  

•  The first of these probably underlies many sensi3ve or cri3cal period phenomena. This process, which we term experience expectant , is designed to u3lize the sort of environmental informa3on that is ubiquitous and has been so throughout much of the evolu3onary history of the subject.  

•  An important component of the neural processes underlying experience expectant informa3on storage appears to be the intrinsically governed genera3on of an excess of synap3c connec3ons among neurons, with experien3al input  subsequently determining which of them survive. 

•  The second type of plas3city, which we call experience dependent, is involved in the storage of informa3on that is unique to the individual. Mammals in par3cular have evolved nervous systems that can take advantage of such informa3on… 

•  An important aspect of the mechanism underlying  experience dependent informa3on storage appears to be the genera3on of new synap3c connec3ons in response to the occurrence of a to‐be‐remembered event.” (Greenough, Black & Wallace, 1987) 

3 mechanisms for func3onal and structural plas3city 

•  Plas3city is the basis of learning from experience, and learning modifies future thought, behavior, feeling 

•  3 mechanisms: –  Synap3c plas3city = change in strength 

or efficacy of synap3c transmission –  Synaptogenesis & synap3c pruning –  Excitability proper3es of single neurons 

•  Synap3c plas3city can be transient (short term phenomena such as short‐term adapta3on to sensory inputs) – depends on modula3on of transmiKer release 

•  Or long las3ng: long‐term form of memory  –  LTP/LTD (long‐term poten3a3on/long‐

term depression) mechanisms 

•  « The most fascina3ng and important property of mammalian brain is its remarkable plas3city, which can be thought of as the ability of experience to modify neural circuitry and thereby to modify future thought, behavior, feeling. Thinking simplis3cally, neural ac3vity can modify the behavior of neural circuits by one of three mechanisms: (a) by modifying the strength or efficacy of synap3c transmission at preexis3ng synapses, (b) by elici3ng the growth of new synap3c connec3ons or the pruning away of exis3ng ones, (c) by modula3ng the excitability proper3es of individual neurons. Synap3c plas3city refers to the first of these mechanisms …» (Malenka, 2002, p. 147) 

LTP •  LTP: repe33ve ac3va3on of excitatory synapses in the 

hyppocampus causes an increase in synap3c strength that can last for hours 

•  LTP is hypothesized to be involved in the forma3on of memories and more generally in informa3on storing, hence in learning in general, because LTP and learning considered at the behavioral level  share some proper3es: –  LTP can be generated rapidly and is prolonged and 

strengthened by repe33on –  It is input specific (it is elicited at the ac3vated synapses and 

not at adjacent synapses of the same neuron) –   It’s long‐las3ng 

•  How? Modifica3on of dendri3c spines? Growth of spines? Genera3on of new synapses as a consequence of the splirng or duplica3on of exis3ng spines?  

•  Incorpora3ng structural changes into the  mechanisms of long‐term synap3c plas3city provides means by which the ac3vity  generated by experience can cause long‐las3ng modifica3ons of neural circuitry  

•  “During the last decade, there was enormous interest in elucida3ng the mechanisms responsible for ac3vity‐dependent long‐las3ng modifica3ons in synap3c strength. The great interest in this topic is largely based on the simple idea that external and internal events are represented in the brain as complex spa3otemporal paKerns of neuronal ac3vity, the proper3es of which result from the paKern of synap3c weights at the connec3ons made between the neurons that are contribu3ng to this ac3vity. The corollary to this hypothesis is that new informa3on is stored (i.e., memories are generated) when ac3vity in a circuit causes a long‐las3ng change in the paKern of synap3c weights. 

•  …support for such a process was lacking un3l the early 1970s, when it was demonstrated that repe33ve ac3va3on of excitatory synapses in the hippocampus caused an increase in synap3c strength that could last for hours or even days (12,13). This long‐las3ng synap3c enhancement, LTP, has been the object of intense inves3ga3on because it is widely believed that LTP provides an important key to understanding the molecular mechanisms by which memories are formed (14,15) and, more generally, by which experience modifies behavior. Furthermore, the ac3vity‐ and experience‐dependent refinement of neural circuitry that occurs during development shares features with learning, and thus a role for LTP in this process has been proposed” (Malenka, 2002, p. 148) 

More structural plas3city •  “ Un3l rela3vely recently, it was widely assumed that, except for 

certain cases of response to brain damage, the brain acquired all of the synapses it was going to have during development, and that further plas3c change was probably accomplished through modifica3ons of the strength of preexis3ng connec3ons. 

•   … it has now become quite clear that new connec3ons may arise as a result of of differen3al housing condi3ons  and other manipula3ons throughout much, if not all, the life of the rat… 

•  There has not yet been a specific demonstra3on of what might be represented by the changes in synap3c connec3ons brought about by differen3al environmental complexity, nor are the details of the rela3onship between brain structure and behavioral performance.” (Greenough, Black & Wallace, 1987, p. 547‐548) 

•  “However, there are a few excep3ons. Over the past years, evidence has become available that in a few dis3nct brain  region, parts of the hippocampus and the olfactory bulb neurons con3nue to be generated throughout life, and these neurons form new connec3ons and become integrated in  exis3ng circuitry.” 

•  “Thus in these dis3nct areas of the brain, developmental processes persist throughout life…” (Singer, 2008, p. 108) 

•  Experience dependent plas3city would depend on the dynamic genera3on of synapses (or the dynamic modifica3on of the strength of synapses) rather than on a mechanism of chronic overproduc3on of synapses, which are successively selected by experience 

•  Chronic overproduc3on and selec3on would be the mechanisms behind experience expectant, early, 3me framed learning 

Structural plas3city in the adult brain 

•  “MRI of licensed London taxi drivers were analyzed and compared with those of control subjects who did not drive taxis.  

•  The posterior hippocampi of taxi drivers were significantly larger rela3ve to those of control subjects.  

•  Hippocampal volume correlated with the amount of 3me spent as a taxi driver (posi3vely in the posterior and nega3vely in the anterior hippocampus).  

•  These data are in accordance with the idea that the posterior hippocampus stores a spa3al representa3on of the environment and can expand regionally to accommodate elabora3on of this representa3on in people with a high dependence on naviga3onal skills.  

•  It seems that there is a capacity for local plas3c change in the structure of the healthy adult human brain in response to environmental demands” (Maguire, et al.,2000) 

•  Structural plas3city (produc3on of synapses and of neurons) seems to con3nue in certain parts of the brain all life long 

CAN HUMANS LEARN ANYTHING? ‐ BIOLOGICAL CONSTRAINTS ‐ THE ROLE OF EDUCATION 

The role of educa3on 

•  3 possible views: –  One can learn everything, and learns it from scratch – What we learn depends on past experiences and is constructed star3ng from these experiences, but one can learn everything 

–  The way brain has been shaped by selec3on strongly constrains what can be learnt •  (Posner & Rothbart, 2007) 

Can we learn anything? Constraints and biases 

•  Learning experiences sculpt the brain and cons3tute a framework for future learning 

•  E. g. According to Kuhl (2004) mother language learning builds a mental filter that limits second language learning 

•  “Kuhl’s recent neuropsychological and brain imaging work suggests that language acquisi3on involves the development of neural networks  that focus on and code specific proper3es of the speech signals heard in early infancy, resul3ng in neural 3ssue that is dedicated to the analysis of these learned paKerns. Kuhl claims that early neural commitment to learned paKerns can also constrain future learning; neural networks dedicated to na3ve‐language paKerns do not detect non‐na3ve paKerns, and may actually interfere with their analysis (… Kuhl, 2004…). 

•  If the ini3al coding of na3ve‐language paKerns interferes with the learning of non‐na3ve paKerns, because they do not conform to the established “mental filter”, then early learning of one’s primary language may limit second language learning. By this argument, the “cri3cal period” depends on experience as much as 3me, and is a process rather than a strictly 3med window of opportunity that is opened and closed by matura3on. 

•  The general point is that learning produces neural  commitment to  the proper3es of the s3muli we see and hear. Exposure to a specific data set alters the brain by establishing neural connec3ons that commit the brain to processing informa3on in an ideal way for a par3cular input. .. Neural commitment func3ons as a filter that affects future processing…  

•  In adulthood, second language learners have to overcome commiKed brains to develop new networks.” (Bransford, et al, in Sawyer, 2009, p. 21‐22) 

Can we learn anything? Evolu3on and selec3on 

•  «… I have oXen observed that educators hold an implicit model of brain as a tabula rasa or blank slate (Pinker, 2002), ready to be filled through educa3on and classroom prac3ce. In this view, the capacity of the human brain to be educated, unique in the human kingdom, relies upon an extended range of cor3cal plas3city unique to humans. The human brain would be special in its capacity to accommodate  an almost infinite range of new func3ons through learning.  

•  In this view, then, knowledge of the brain is of no help in designing educa3onal policies.   

•  …. Much of current classroom content, so the reasoning goes, consists in recent cultural inven3ons, such as the symbols we use in wri3ng  or mathema3cs.  Those cultural tools are far too recent to have exerted any evolu3onary pressure on brain evolu3on. … Thus, it is logically impossible that there exist dedicated brain mechanisms evolved for reading or symbolic arithme3c. They have to be learned, just like  myriads of other facts and skills in geography, history, grammar, philosophy … The fact that our children can learn those materials implies that the brain is nothing but a powerful universal learning machine.  » (Dehaene, in BaKro, Fischer, & Léna, 2008, p. 233).  

•  Implica3on of the idea of tabula rasa: each learner is radically different from other learners, and the same cerebral areas can be affected to different func3ons 

•  «… While such a learning‐based theory might explain the vast range of  human cultural abili3es, it also implies that the brain implementa3on of those abili3es should be highly variable across individuals. Depending on an individual’s learning history, the same brain regions might become involved in various func3ons. … Thus, one would not expect to find reproducible cerebral substrates for recent cultural ac3vi3es such as reading and arithme3c.  

•  … a wealth of recent neuroimaging and neuropsychological findings shed light on the ability of the human brain to acquire novel cultural objects such as reading and arithme3c. Those data go against the hypothesis of an unbiased tabula rasa. 

•  … Small cor3cal regions, which occupy reproducible loca3ons in different individuals, are recruited by tehse tasks.They accomplish thier func3on automa3cally and oXen without awareness. Furthermore, the leasion of these regions can lead to specific reading or calcula3on impariments. In brief, the evidence seems to support the  existence of dis3nct, reproducible, and rather  specific bases for reading and arithme3c … 

Biology and culture 

•  Neural Recycling hypothesis: biology and culture have a reciprocal influence 

•  The example of mathema3cs 

•  «… Close examina3on of the func3ons of those brain areas in evolu3on suggests a possible resolu3on of this paradox. It is not the case that those areas acquire an en3rely dis3nct, culturally arbitrary new func3on. Rather, they appear to possess, in other primates, a prior func3on closely related to the one that they will eventually have in humans. … rela3vely small changes may suffice to adapt them to their new cultural domain.  

•  « neural recycling hypothesis », according to which the human capacity for cultural learning relies on a process of pre‐emp3ng or recycling pre‐exis3ng brain circuitry. 

•  In my opinion, this view implies that an understanding  of the child’s brain organiza3on is essn3al to educa3on. 

•  … It postulates that, although Arabic digits and  verbal numerals are culturally arbitrary and specific to humans, the sense of numerical quan3ty is not. This « number sense »  is present in very young infants and in animals. We learn to give meaning to our symbols and calcula3on by connec3ong them to this pre‐exis3ng quan3ty representa3on. … 

•  Animals and infants cannot discriminate two neighboring numbers such as 36 and 37, but only have an approximate feeling of numerosity which gets progressively coarser as the numbers get larger.  » (Dehaene, in BaKro, Fischer, & Léna, 2008, p. 234).  

Neural recycling 

•  Neural Recycling hypothesis: biology and culture have a reciprocal influence 

•  The example of reading 

•  « Tanaka and colleagues (Tanaka, 1996) have studies the minimal features of objects that make monkey occipito‐temporal neurons discharge. To this end, they have used a procedure of progressive simplifica3on. First, a large set of objects is presented un3l one is found that reliably causes a given neuron to discharge. The the shape of the object is simplified while trying to maintain an op3mal neuronal response. When the shape cannot be simplified further without loosing the neuronal discharge, it is thought that one has discovered the simplest feature to which the neuron responds. Remarkably, many of these shapes resemble our leKers: some nerons respond to tow bars shapen in a T, others to a circle or to two superimposed circles forming a figure 8, etc. Obviously, those shapes have not been learned as leKers. Rather, they have emerged in the course of ontogeny and/or phylogeny as a simple repertoire of shapes…. 

•  In summary, reading, just like arithme3c, does not rely only on domain‐general mechanisms of learning. Rather, learning to read is possible because our visual system already possesses exquisite mechanisms for invariant shape recogni3on, as well as the appropriate connec3ons to link those recognized shapes to toher areas involved in auditory and abstract seman3c representa3ons of objects.  

•  Learning is also possible because evolu3on has endowed the system with a high degree of plas3city. Although we are not born with leKer detectors, leKers are sufficiently close to the normal repertoire of shapes in the inferotemporal regions to be easily acquired and mapped onto sounds. We pre‐empt part of this system while learning to read, rather than crea3ng a « reading area » de novo. » (Dehaene, in BaKro, Fischer, & Léna, 2008, p. 241‐242).  

Neural recycling 

PRACTICAL ISSUES RELATED TO PLASTICITY AND LEARNING ‐ LONG LASTING LEARNING ‐ TRANSFERABLE LEARNING  ‐ BIASES IN THE EVALUATION OF LEARNING EFFECTS 

From theory to prac3ce 

•  How can we generate successful  interven3ons for promo3ng relevant learning ?  –  How do we pass from theory to 

prac3ce? –  Which kind of theory and 

evidence do we need?  

–  What is relevant learning? –  Learning that is long‐las3ng and 

transferable 

–  How do we promote learning that is long‐lasFng and transferable?  

•  “Learning and brain plas3city are fundamental proper3es of the nervous system, and they hold considerable promise when it comes to learning a second language faster, maintaining our perceptual and cogni3ve skills as we age, or recovering lost func3ons aXer brain injury. Learning is cri3cally dependent on experience and the environment that the learner has to face. A central ques3on then concerns the types of experience that favor learning and brain plas3city. Exis3ng research iden3fies three main challenges in the field. First, not all improvements in performance are durable enough to be relevant. Second, the condi3ons that op3mize learning during the acquisi3on phase are not necessarily those that op3mize reten3on. Third, learning is typically highly specific, showing liKle transfer from the trained task to even closely related tasks. 

•  While individuals trained on a task will improve on that very task, other tasks, even closely related ones, oXen show liKle or no improvement. 

•  … brain plas3city … can also be maladap3ve … as when expert string musicians suffer from dystonia or motor weakness in their fingers as a result of extensive prac3ce with theirinstruments.  

•  Finally, … we are s3ll missing the recipe for successful brain plas3city interven3on at the prac3cal level.” (Bavelier, et al., in Gazzaniga, 2009, p. 153) 

Training & Relevant learning 

•  Studies on the effects of training on learning should prove that the effects are long‐las3ng and that there is a causal rela3onship between the kind of training and the learning effect –  The placebo effect of learning: mo3va3onal factors 

influence performance, but they are not part of the learning experience being evaluated 

–  The popula3on effect: causal links are not the same than correla3ons, since correla3on could depend  from external factors 

•  “it is well documented that individuals who have an ac3ve interest taken in their performance tend to improve more than individuals who have no such interest  taken… 

•  This effect can lead to powerful improvements in performance that have liKle to do with the specific cogni3ve  training regimen being studied, but instead reflect social and mo3va3onal factors that influence performance. 

•  Inherent differences in abili3es may lead to to the differences in the ac3vi3es experienced, rather than the other way round. For example, individuals born with superior hand‐eye coordina3on may be quite successful at baseball and thus preferen3lly tend to play baseball, … 

•  The effects of training should be measured at least a full day aXer comple3on of training… 

•  Training studies should include a groupe that controls for test‐retest effects … and, just importantly, for psychological and mo3va3onal effects.  

•  Finally, evalua3on of the efficacy of training cri3cally depends on the choice of outcome measures. Outcome measures closely related to the training experience are more likely to show robust improvement  … Yet it is cri3cal to show transfer to new tasks within  the same domain …” (Bavelier, et al., in Gazzaniga, 2009, p. 154‐155) 

Learning as reusable •  “Learning involves acquiring new informa3on 

and uFlizing it later when necessary. Thus, any kind of learning implies generalizaFon of the originally acquired informa3on: to new occasions, new loca3ons, new objects, new contexts, etc. However, any piece of new informa3on that an organism perceives is episodic and par3cular: it involves a single 3me, a specific loca3on and context, and par3cular objects).” (Gergely & Csibra, 2009, p. 3)  

•  “The ques3on of how one can learn (i.e., acquire general knowledge) from bits of episodic informa3on is known as the inducFon problem and has been tackled by various theories of learning. These usually rely on sta3s3cal procedures that involve sampling mul3ple episodes of experience to form the basis of generaliza3on to novel instances.” (Gergely & Csibra, p. 3) 

•  Learning is supposed to be re‐usable –  An example: Imagine a motor therapy which 

induces the learning of new movements, but these movements can only be accomplished in the therapy room 

Learning is long‐las3ng The neuromyth of the Mozart effect 

•  In many cases, training produces effects that cannot be considered as relevant learning, because:  

–  It is not sufficiently generalized learning: an effect on learning that is bound to the trained task is barely interes3ng 

–  It is not long‐las3ng learning : an effect on learning is not proved by experiments that evaluate short‐term effects (e.g.: violent effects of violent video games) 

–  Other variables than the the learning experience produce an effect, but are not controlled for and evaluated 

•  The Mozart effect, a classic case of performance enhancement that is NOT a form of learning, because it does not last 

•  … and a classic neuromyth 

•  “Many types of transient effect may indeed be causally related to the training interven3on; however, they are not considered true learning effects because they last only a few minutes following the cessa3on of training.  

•  An excellent example is the so‐called Mozart effect, where listenint to only 10 minutes of a Mozart sonata was reported to lead to  significant performance increases on the Stanford Binet IQ spa3al reasoning task …  

•  Unfortunately, in addi3on to proving difficult to replicate consistently, … the validity of this enhancement as true learning effect has been ques3oned, as any posi3ve effects last only a few minutes.” (Bavelier, et al., in Gazzaniga, 2009, p. 153) 

Learning is long‐las3ng The lack of evidence about violent 

video games  •  Violent video games seem to produce effects 

on physiological arousal, verbal violence, but these effects are only tested few minutes aXer the exposi3on. 

•  “studies that have examined the impact of playing violent viode games on aggressive behavior may suffer from the same weakness, as the tests used to assess changes in the dependent variables of interest (behavior, cogni3on, affect, etc;) are typically given within minutes of the end of exposure to the violent video game. Given that violent video games are known to trigger a host of transient physiological changes associated with increased arousal and stress (i.e. fight or flight responses) it is important to demonstrate that any changes in behavior or cogni3on are noy likewise transient in nature.” (Bavelier, et al., in Gazzaniga, 2009, p. 154) 

Learning generalizable and transferable  

•  Learning shows a strong specificity: transfer to even near domains is rare 

•  “In the field of learning, transfer of learning from the trained task to even other very similar task is generally the excep3on rather than the rule.  

•  For isntance, Pashler and Baylis (1991) trained subjects to associate one of three keys with visually presented symbols (leX key = P or 2, middle key = V or 8, right key = K or 7). Over the course of mul3ple training blocks, par3cipants reac3on 3me decreased significantly. However, when new symbols were added that needed to be mapped to the same keys in addic3on to the learned symbols … no evidence of transfer was evident.” (Bavelier, et al., in Gazzaniga, 2009, p. 153‐154)